大纲

第一部分 背景设定

第1章 信用评分及其业务

1.1 什么是信用评分

1.2 在哪儿使用信用评分？

1.2.1 数据来源

1.2.2 信用风险管理周期

1.2.3 行为偏好

1.3 为什么要使用信用评分？

1.3.1 如何影响贷款机构？

1.3.2 对客户的影响

1.4 信用评分如何影响信用供给？

1.5 小结

第2章 信用微历史

2.1 信用的历史

2.1.1 古代历史

2.1.2 中世纪到19世纪

2.1.3 20世纪

2.2 信用评分的历史

2.2.1 开拓时期

2.2.2 自动化时期

2.2.3 扩张时期

2.3 征信机构的历史

2.3.1 18世纪中期及以前

2.3.2 19世纪90年代以后

2.3.3 20世纪60年代以后

2.3.4 国际

2.4 评级机构的历史

2.5 小结

第3章 信用评分原理

3.1 评分卡是什么

3.1.1 评分卡的形态

3.1.2 如何开发评分卡

3.1.3 预测能力如何评估

3.1.4 评分卡的偏差是如何出现的

3.1.5 如何应对以上问题

3.2 采用何种测量方法

3.2.1 流程与策略

3.2.2 评分卡表现

3.2.3 违约概率和损失程度

3.3 评分卡开发流程

3.3.1 项目准备

3.3.2 数据准备

3.3.3 建模分析

3.3.4 模型确定

3.3.5 决策制定和策略

3.3.6 安全保护

3.4 什么会影响评分卡

3.4.1 经济偏移

3.4.2 市场偏移

3.4.3 操作偏移

3.4.4 目标偏移

3.4.5 不明偏移

3.5 小结

第二部分 风险业务

第4章 风险理论

4.1 风险相关术语

4.1.1 风险关联

4.1.2 风险环境

4.1.3 风险类型

4.2 数据与模型

4.2.1 数据类型

4.2.2 模型类型

4.2.3 人为判断

4.2.4 专家系统

4.3 小结

第5章 决策科学

5.1 自适应控制

5.2 成为主人

5.2.1 冠军挑战

5.2.2 优化

5.2.3 策略推断

5.3 小结

第6章 企业风险评估

6.1 风险评估基础

6.1.1 数据来源

6.1.2 风险模型

6.1.3 风险等级

6.2 中小企业贷款

6.2.1 关系型贷款

6.2.2 交易型贷款

6.3 财务比率评分

6.3.1 理论先驱

6.3.2 预测比率

6.3.3 限制因素

6.3.4 评级机构

6.3.5 内部等级

6.4 信用评级机构

6.4.1 字母等级

6.4.2 评级类型

6.4.3 存在问题

6.4.4 研究重点

6.5 前瞻数据建模

6.5.1 历史分析

6.5.2 结构模型

6.5.3 简约模型

6.6 小结

第三部分 数学和统计

第7章 预测统计

7.1 模型概述

7.2 参数模型

7.2.1 线性模型

7.2.2 判别分析

7.2.3 逻辑回归

7.3 非参模型

7.3.1 决策树

7.3.2 神经网络

7.3.3 遗传算法

7.3.4 K近邻法

7.3.5 线性规划

7.4 关键假设

7.4.1 数据因素

7.4.2 统计假设

7.4.3 解决方法

7.5 结果比较

第8章 区分度的测量

8.1 错误分类矩阵

8.2 Kullback散度

8.2.1 证据权重

8.2.2 信息值

8.2.3 稳定指数

8.3 KS统计量

8.4 相关系数

8.4.1 Pearson积矩

8.4.2 Spearman秩序

8.4.3 洛伦兹曲线

8.4.4 基尼系数

8.4.5 ROC曲线

8.5 卡方检验

8.6 准确性检验

8.6.1 概率论

8.6.2 二项分布

8.6.3 HL统计量

8.6.4 对数似然

8.7 小结

第9章 零碎内容

9.1 描述方法

9.1.1 聚类分析

9.1.2 因子分析

9.2 预报方法

9.2.1 马尔可夫链

9.2.2 生存分析

9.3 其他概念

9.3.1 相关性

9.3.2 交叉性

9.3.3 单调性

9.3.4 标准化

9.4 开发报告

9.4.1 特征分析报告

9.4.2 分数分布报告

9.4.3 新业务策略表

9.5 小结

第10章 头脑与机器

10.1 人员和项目

10.1.1 评分卡开发人员

10.1.2 外部供应商

10.1.3 内部资源

10.1.4 项目组

10.1.5 指导委员会

10.2 软件

10.2.1 评分卡开发

10.2.2 决策引擎

10.3 小结

第四部分 数据

第11章 数据考虑

11.1 数据透明度

11.2 数据数量

11.2.1 深度和广度

11.2.2 同质性

11.2.3 可得性

11.3 数据质量

11.3.1 关联性

11.3.2 准确性

11.3.3 完备性

11.3.4 时效性

11.3.5 一致性

11.3.6 对征信机构的影响

11.4 数据设计

11.4.1 数据类型

11.4.2 表格设计

11.5 小结

第12章 数据来源

12.1 客户信息

12.1.1 申请表

12.1.2 财务信息

12.2 内部信息

12.2.1 数据类型

12.2.2 数据库类型

12.2.3 客户关系管理

12.3 征信数据

12.3.1 查询检索

12.3.2 公共信息

12.3.3 共享数据

12.3.4 欺诈预警

12.3.5 征信分数

12.3.6 地理指标

12.3.7 其他来源

12.4 小结

第13章 评分结构

13.1 定制服务

13.1.1 通用评分卡

13.1.2 定制评分卡

13.1.3 专家模型

13.2 系统架设

13.3 数据整合

13.3.1 独立分数

13.3.2 离散分数

13.3.3 合并分数

13.3.4 决策矩阵

13.4 信用评分

13.5 数据匹配

13.6 小结

第14章 信息共享

14.1 征信机构

14.1.1 公共与民营

14.1.2 正面信息与负面信息

14.2 参与合作

14.2.1 互惠原则

14.2.2 促进因素

14.2.3 阻碍因素

14.3 小结

第15章 数据准备

15.1 数据获取

15.1.1 申请数据

15.1.2 征信数据

15.1.3 观测数据

15.1.4 表现数据

15.1.5 数据整合

15.2 好坏定义

15.2.1 选择状态

15.2.2 表现状态

15.2.3 当前状态和最坏状态

15.2.4 定义设定

15.2.5 好坏定义标准

15.3 时间窗口

15.4 样本设计

15.4.1 样本类型

15.4.2 最大和最小样本量

15.4.3 分层随机抽样

15.5 小结

第五部分 评分卡开发

第16章 变量转换

16.1 转换方法

16.1.1 虚拟变量

16.1.2 风险变量

16.1.3 方法选择

16.2 粗细分类

16.2.1 特征分析报告

16.2.2 细分类

16.2.3 粗分类

16.3 统计量的应用

16.3.1 预测能力测度

16.3.2 粗分类例子

16.4 池化算法

16.4.1 非邻池化

16.4.2 相邻池化

16.4.3 单调相邻池化

16.5 实际案例

16.5.1 法院判决

16.5.2 行业种类

16.5.3 职业种类

16.6 小结

第17章 特征选取

17.1 参考因素

17.2 预测能力

17.3 降维方法

17.3.1 建模处理

17.3.2 相关矩阵

17.3.3 因子分析

17.4 变量输入

17.4.1 分步

17.4.2 分块

17.5 小结

第18章 样本分层

18.1 驱动因素

18.2 识别交叉作用

18.3 处理交叉作用

18.4 小结

第19章 拒绝推断

19.1 推断原理

19.2 总体流动

19.3 表现赋值

19.4 特殊类别

19.5 推断方法

19.5.1 随机补充

19.5.2 展开法

19.5.3 外推法

19.5.4 同生表现

19.5.5 二阶段法

19.6 小结

第20章 模型校准

20.1 分数分段

20.1.1 CH统计量

20.1.2 基准方法

20.1.3 边际风险边界

20.2 线性变换

20.2.1 线性移动

20.2.2 比率缩放

20.3 线性规划重构

20.4 小结

第21章 检验交付

21.1 组成成分

21.1.1 开发依据

21.1.2 持续检验

21.1.3 回溯测试

21.2 差别效果

21.3 小结

第22章 开发管理

22.1 进程安排

22.2 高效操作

22.2.1 重复利用

22.2.2 重新建模

22.3 小结

第六部分 实施和使用

第23章 实施安装

23.1 自动化决策

23.1.1 自动化程度

23.1.2 职责

23.1.3 员工沟通

23.1.4 客户教育

23.2 安装和测试

23.2.1 数据、资源和切换

23.2.2 测试

23.3 小结

第24章 管理控制

24.1 政策规则

24.2 撤销

24.3 移交

24.3.1 信息验证

24.3.2 账户情况

24.4 控制

24.4.1 竞争环境

24.4.2 评分及策略控制

24.4.3 撤销控制

24.5 小结

第25章 跟踪监控

25.1 组合分析

25.1.1 逾期分布

25.1.2 转移矩阵

25.2 表现跟踪

25.2.1 模型表现

25.2.2 账龄分析

25.2.3 分数错配

25.3 偏移报告

25.3.1 总体稳定性报告

25.3.2 分数偏移报告

25.3.3 特征分析

25.4 选择过程

25.4.1 决策过程

25.4.2 分数决策

25.4.3 政策规则

25.4.4 人为撤销

25.5 小结

第26章 金融财务

26.1 坏账准备

26.2 直接损失估计

26.2.1 净流量法

26.2.2 转移矩阵法

26.3 损失估计

26.3.1 损失概率

26.3.2 损失程度

26.3.3 预测分析

26.4 利润模型

26.4.1 利润来源

26.4.2 利润决策

26.4.3 利润评分

26.5 风险定价

26.5.1 理论实践

26.5.2 行为变化

26.5.3 战略考虑

26.5.4 客户影响

26.6 小结

第七部分 信用风险管理周期

第27章 市场营销

27.1 广告媒体

27.2 数量与质量

27.3 初步筛选

27.4 市场数据

27.5 小结

第28章 申请审批

28.1 收集潜在客户信息

28.1.1 获取申请信息

28.1.2 纸质数据采集

28.1.3 初筛和清洗

28.2 策略分类

28.3 决策执行

28.3.1 拒绝

28.3.2 接受

28.4 小结

第29章 账户管理

29.1 额度类型

29.2 超限管理

29.2.1 支票账户

29.2.2 信用卡授权

29.2.3 客户知情效应

29.3 更多限额和其他功能

29.3.1 提额请求

29.3.2 提高额度

29.3.3 额度复核

29.3.4 交叉销售

29.3.5 重获客户

29.4 小结

第30章 催收回收

30.1 概述

30.2 时机策略

30.3 催收评分

30.4 小结

第31章 欺诈防范

31.1 欺诈类型

31.2 欺诈侦测工具

31.3 欺诈防范策略

31.4 欺诈评分

31.5 小结

第八部分 监管环境

第32章 监管概念

32.1 最佳实践

32.2 善良治理

32.3 商业道德和社会责任

32.4 合规等级

32.5 小结

第33章 隐私保护

33.1 背景

33.1.1 历史概况

33.1.2 Tournier案件

33.1.3 OECD数据隐私指引

33.1.4 欧洲理事会公约

33.1.5 欧盟数据保护指令

33.1.6 特殊情况

33.2 原则

33.2.1 收集方式

33.2.2 合理目的

33.2.3 信息质量

33.2.4 信息使用

33.2.5 信息披露

33.2.6 主体权利

33.2.7 信息安全

33.3 小结

第34章 禁止歧视

34.1 何为歧视

34.2 存疑特征

34.3 小结

第35章 公平信贷

35.1 掠夺性放贷

35.2 不负责放贷

35.3 负责任放贷

35.4 小结

第36章 资本要求

36.1 巴塞尔协议Ⅰ

36.2 巴塞尔协议Ⅱ

36.2.1 标准法

36.2.2 内部评级法

36.2.3 风险暴露类别

36.2.4 违约定义

36.2.5 评级意义

36.2.6 执行问题

36.3 风险加权资产的计算

36.4 小结

第37章 了解客户

37.1 尽职调查要求

37.2 客户身份识别要求

第38章 国家差异

38.1 美国

38.2 加拿大

38.3 英国

38.4 澳大利亚

38.5 南非

参考文献

术语字典

后记